大机组振动信号复杂性的定量描述

基于非线性动力系统的复杂性刻划理论,提出用Ｋｏｌｍｏｇｏｒｏｖ复杂性测度定量评估大机组运行状态．机组运行过程中故障的发生、发展、状态的变化,将导致机组振动信号复杂性的变化．分析结果表明,Ｋｏｌｍｏｇｏｒｏｖ复杂性测度能有效地描述大机组振动信号的复杂性,可作为一定量指标用于机组运行状态监测．     

基于短时分数阶傅里叶变换的异步电机转子断条故障诊断

分析了异步电机在启动、稳态、失电三种运行状态下的转子断条故障情况,根据电机启动过程中故障特征频率的特点,提出一种基于短时分数阶傅里叶变换(STFrFT)的转子故障诊断方法。采用STFrFT对定子启动电流信号进行时频分析,解决了故障信号和工频信号难以分离、不易提取的问题。实验结果表明,该方法不仅能有效检测出故障信号,而且能反映出故障特征频率的变化趋势。     

采用动态劣化度的风电机组运行状态实时评估

为满足大数据环境下风电机组状态评估的实时性要求,提出一种基于动态劣化度的实时状态评估方法.首先,建立动态劣化度计算模型;然后,引入正态云模型取代传统隶属函数,将正态云模型与模糊综合评价法相结合,形成风电机组运行状态实时评估方法;最后,基于辽宁某风电机组的SCADA数据,利用所述方法对其进行状态评估.实验结果表明:该方法能够准确把握机组的实时运行状态,并对其早期缺陷及时预警,有助于防范机组严重故障的发生.     

一种转子启停车过程的基频振动分量提取方法

针对传统信号处理算法在分离转子启停车过程中包含复杂非平稳谐波分量的振动响应信号时存在计算量大、对宽频信号提取能力差等问题,基于零相移滤波和相位解调原理,提出了一种转子启停车过程中的基频振动分量提取方法。该方法通过一次非线性相位解调计算,把启停车信号各分量在频带上进行重新分布,这样宽频的基频分量被解调到可见的窄带上,仅在频域即可实现基频分量与其他高次谐波分量的分离,再通过零相移滤波即可提取这个窄带分量。仿真计算和实验数据分析结果表明:与传统的信号处理算法在处理转子启停车信号上相比,提出的方法具有原理简单易实现、计算速度快、受相邻分量带宽限制小、滤波器参数能够从频谱上直接选取等优势,同时该方法提取出的基频振动分量波形平整,无相位偏移,满足进一步的分析计算,为转子启停车信号的快速提取提供了一种新的方式。     

采用时域与时频域联合特征空间的转子系统碰磨故障诊断

针对转子系统早期碰磨故障,提出了一种基于时域和时频域联合特征提取和分析的方法,并采用该方法对简单转子模型进行了故障诊断。基于BP神经网络和影响函数法,建立了滑动轴承单盘转子碰磨故障动力学模型,并对转子系统碰磨故障进行了数值模拟;分别采用统计学和小波包分解方法,对振动信号的时域和时频域特征进行了提取,综合两者建立了碰磨故障的特征空间,并采用支持向量机(SVM)模型对比分析了基于时域、时频域和综合两者特征空间的故障诊断效果,在此基础上,通过引入可分度函数,将正常振动信号与故障信号同时考虑,对各特征的可分度进行了分析和排序;根据特征分析结果,将特征空间分为高可分度区域和低可分度区域,分别针对单特征和组合特征对碰磨故障进行识别。研究结果表明:单特征的碰磨故障识别率与其可分度函数值呈正相关;组合特征识别效果要优于单特征,且高可分度区域内的组合特征识别效果要明显优于低可分度区域,针对本文所建碰磨故障样本空间,高可分度区域内随机三特征组合平均故障识别率达到90%以上。文中提出的故障特征提取和分析方法可为复杂故障的识别提供参考。     

基于概率的故障检测方法及其学习策略

为了充分利用机组运行的实时信息以提高机组运行的安全性,提出了基于概率计算的故障检测方法。该故障检测方法模拟运行人员的故障检测过程,首先根据运行规程和运行经验得到基本故障检测知识,然后通过对历史数据的学习得到精确故障检测知识,再在此基础上,根据相关实时数据实现运行故障检测。为减少故障检测的漏报和误报,提出了该方法故障检测知识的自适应学习策略。理论分析和实验结果表明:该故障检测方法具有鲁棒性强、检测灵敏、知识获取容易和易于模块化等优点,可以有效地构成基于厂级监控信息系统的通用故障检测软件包。     

信息熵与经验模态分解集成的转子故障信号量化特征提取

针对转子振动信号的非线性、非平稳性造成的故障状态难以定量准确描述问题,提出一种基于信息熵和经验模态分解(empirical mode decomposition,EMD)的转子振动信号量化特征提取方法.该方法通过对比转子故障信号EMD分解后各内禀模态分量(intrinsic mode function,IMF)的能量状态及其与原始信号间的相关性程度,在确定出包含主要故障信息的分量基础上,分别对其进行时域、频域及时频域内4种信息熵熵值的计算,从而建立起一种信息熵熵带特征量.实验信号的分析结果表明,该方法能够较好地实现对转子系统故障信号的量化特征提取,所提取出的特征集合具有能够使典型故障特征量之间存在显著差异的性能.     

基于联合特征的风电机组故障检测

为了提高风电机组的运行可靠性,有必要对风电机组的故障信号进行实时采集并分析.在风电机组的故障检测诊断技术中,有语音信号诊断技术、振动信号诊断技术、电量参数诊断技术,振动信号诊断技术相对于其它诊断技术能更好地反映风电机组的实际工况.提出一种基于小波分析的联合特征提取方法,结合BP神经网络对风电机组的故障进行分析和诊断.以风电机组齿轮箱故障诊断为例,通过频谱分析和模式识别,发现基于联合特征的分析相对于单特征提取在一定程度上提高了诊断精度.     

集成轴心轨迹信息熵及盒维数的转子故障程度判别与故障预示

以转子故障的定量诊断为切入点,针对转子故障程度判别灵敏度不足问题,借助轴心轨迹蕴含的丰富信息,在同时考虑转子轴心轨迹形状不规则程度和混乱程度两方面信息基础上,基于轴心轨迹信息熵和盒维数,提出并构建了一种新的直观评价转子运行状态指标及转子故障程度判别及故障状态预示方法。该方法首先网格化轴心轨迹,然后应用信息熵计算轴心轨迹在网格中的分布情况,量化轴心轨迹混乱程度;同时应用盒维数方法量化故障状态与正常状态轴心轨迹形状的不规则程度,最后集成两方面信息,综合评价转子运行工作状态与判别转子故障程度。实验结果表明:由于利用了轴心轨迹的边界信息,该方法可以识别转子正常模式与故障模式;综合考虑两个指标得出正常状态评估指数最低、碰摩故障指数最高,符合转子实际运行状态,验证了该评估方法的有效性。此外,通过与轴心轨迹象限面积熵法和盒维数法的对比,提出的有量纲指标相比无量纲指标拥有更优的状态描述能力,也符合转子故障的发展趋势,为旋转机械的实时状态评估和故障预测提供了一种新的途径。     

一种利用起车过程瞬态振动响应的转子动力学参数识别方法

在分析转子系统起动过程的振动响应组成和振动响应信号中出现拍振现象成因的基础上,提出了一种基于起车过程瞬态振动响应的转子动力学参数时域识别方法。以转子系统起动过程中的失衡振动响应信号替代频域参数识别法中的正弦扫描激振响应信号,来识别转子系统固有频率和阻尼参数的时域信号,同时给出了参数估计原理,并利用仿真信号和实验测试的起车过程振动响应信号对转子系统的一阶固有频率和阻尼进行了计算。结果表明:所提出方法利用了转子起动过程的振动响应信号,其参数识别仅在时域内进行,不需要复杂的激振设备,具有计算简单、应用前景广阔等特点。     

新的广义距离与多模态医学图像配准

分析了Shannon互信息、Kullback-Leibler距离和Shannon不等式之间的相互关系,并根据不等式理论,提出了广义距离度量的新概念及其定义. 在此基础上构造了多模态图像配准的一类新测度--算术-几何均值距离、Cauchy-Schwartz距离和Minkowski广义距离. 从计算速度、噪声容忍性、测度函数图形的特点和图像窗口大小影响等几个方面,通过MR和PET医学图像的实验分析,验证了新配准测度的有效性.     

基于模糊散度的图象分割

从模糊集合的观念出发，将交叉熵和模糊散度应用于图象分割，先讨论类间最大模糊散度分割算法，接着分析类内最小模糊散度分割算法。最后对这两类算法的适用性和通用性进行了比较。     

基于拉普拉斯矩阵的DNA序列集相似性分析

研究两个序列集合之间相似性度量,提出基于拉普拉斯矩阵特征值的分离度概念和公式表示.基于人工序列和真实DNA序列上的实验结果,证实了分离度能够度量序列间的相似程度.     

基于粒子群算法的欠定盲源分离方法改进研究

欠定盲源分离技术是一个热门的研究领域,其广泛应用于信息理论、神经网络、统计信号处理、生物医学工程等领域。在大多数实际情况下,当接收到由多路源信号叠加而成的观测信号时,源信号的数量大于观测时长,采用通常的盲源分离技术难以恢复源信号。着重讨论基于"两步法"的欠定盲源分离问题;该分离技术分两个阶段,第一阶段采用基于粒子群算法的K-均值聚类改进算法求解混合矩阵,将蚁群算法信息素的概念应用其中;第二阶段采用最短路径法求解L1-范数模型获得源信号的估计。相比于现存的二阶段方法,该方法可达到更高的信号重构信噪比。     

图像梯度与散度计算及在边缘提取中的应用

尝试把梯度和散度的概念引入到图像分析中，基于梯度和散度的积分定义，给出了计算图像梯度散度的、与坐标选取无关的简易近似公式。并将它们应用到带噪数字图像中，利用梯度与散度的配合进行边缘提取，同时给出了实验结果。     

邻域数的依概率ρ—级发散性

本文先提出了随机变量序列依概率ρ－级发散的概念，讨论了这种发散与通常的依概率发散的关系；在第二节，定义了d－维总体的邻域数，并给出了它作为一维离散型随机变量依概率ρ－级发散的条件，该条件不依赖于总体的分布，因此定理对一切总体均成立。     

三维空间场可引入几个"度”

对微分的外乘积、外微分形式做了初步的介绍,运用它同三维空间的梯度、旋度、散度相对应。指出在三维空间中只可引入梯度、旋度、散度、除此之外不可能再引入其它与之相对应的“度”。     

外P-推理与外发散信息的搜索-发现

利用P-集合得到P-推理(packet reasoning),P-推理是由内P-推理(internal packet reasoning)与外P-推理(outer packet reasoning)共同构成的.P-推理是一个动态推理,具有智能特征;外P-推理生成的信息具有外发散特性,把这种特性应用于未知信息查找中,提出了外发散信息等概念;并对外发散信息进行了研究,给出了几个基本理论结果;并由这些结果得到外发散信息的外P-推理搜索算法;最后给出应用实例.     

黎曼流形上的弱协变微分与Sobolev空间

在黎曼流形上引入了函数和协变张量场的弱协变微分,建立了广义散度概念。利用弱协变微分方法定义了黎曼流形上的Sobolev空间,并证明了它与现有定义的等价性。     

基于无限学生t混合模型聚类的机械故障预警方法

往复式压缩机、柴油机等复杂机械的振动信号往往呈现较强的非平稳特性，导致传统单特征门限报警法的报警准确率较低。针对该问题，提出一种基于无限学生t混合模型（infinite student's t-mixture model，iSMM）聚类的机械故障预警方法：首先，通过提取机械振动信号特征构建高维特征空间，并采用iSMM对其进行建模，以描述机械设备的状态；其次，利用基于匹配的KL散度近似算法计算机械设备在历史正常状态和观测状态下的模型间距离；最后，将该距离与基于3σ准则自学习出的报警阈值进行比较，实现故障预警。利用往复式压缩机故障案例对所提方法进行验证，结果表明本文方法较单特征门限报警法报警准确率高且时效性好，可有效地对复杂机械进行故障预警。